摘要：提出了一种在压缩感知多输入多输出(compressive sensing-multiple input multiple output,CS-MIMO)雷达中利用混沌非线性系统设计随机滤波器进而实现测量矩阵优化的方法。目前,大部分研究采用高斯随机矩阵作为测量矩阵,这类测量矩阵的局限性是,每次仿真实验产生的矩阵互不相同,雷达系统无法实现在线优化,且其对硬件要求高,实现困难。在CS-MIMO雷达信号模型基础上构造稀疏基,提出了基于随机滤波器结构的测量矩阵设计方法,利用混沌序列构造随机滤波器系数,完成对雷达回波的压缩观测。同时以Gram矩阵逼近对角矩阵为准则对随机滤波等效测量矩阵进行优化,进一步提高雷达系统性能。仿真结果表明所提出的基于混沌随机滤波器的CS-MIMO雷达测量矩阵设计与优化算法能够有效提高波达角(direction of arrival,DOA)估计精度。

摘要：针对非限制性条件下的人脸识别存在自由度高、干扰因素复杂等技术难点,引入深度学习理论,提出了一种基于深度信念网络(DBNs)的非限制性人脸识别算法模型。基于相对熵稀疏性限制和dropout机制等方法,设计了优化算法。针对实际使用场合中样本量不足的问题,提出了一种混合DBNs模型,该模型采用CNNs深度卷积网络生成训练DBNs所需的模拟样本。标准人脸库下的实验结果表明,DBNs模型的平均识别率为97.0%,混合DBNs模型的平均识别率为90.3%,满足实际使用需求。

摘要：针对光学和SAR图像水域辐射、几何性质差异过大而难以获得共性特征,以及大场景图像配准耗时过长的问题,提出一种基于二次Otsu阈值分割法和尺度不变特征变换法(SIFT)的光学和SAR图像配准方法.首先为了降低数据量,减弱微小目标和噪声带来的干扰,对光学图像和SAR图像进行小波变换;然后针对图像一次Otsu分割后的"过检"现象进行二次分割,获得更准确的水域分割;最后通过改进的空间一致性准则和RANSAC消除初始匹配点中的较多误配.实验结果表明,该方法可以有效地提高光学和SAR图像的配准准确度,加快配准速度.

摘要：在压缩感知工程应用中,信号往往被噪声和干扰所影响,常规的压缩感知方法难以达到理想的重构效果,特别是低信噪比应用场景中,稀疏重构往往会失效.分析了压缩感知中噪声对重构性能的影响,从理论上解释了压缩感知中的噪声折叠原理,并在此基础上提出了一种基于方向性测量的自适应压缩感知方案.该方案通过后端信号处理系统估计出噪声的相关信息并反馈至压缩感知前端,前端根据反馈的噪声信息调整测量矩阵,从而改变感知矩阵的方向,自适应地感知稀疏谱,从而有效地抑制信号噪声.仿真实验表明,所提的自适应压缩感知方法对稀疏信号重构性能有较大的提升.

摘要：随着未来宽带、超宽带通信技术的发展,现有以传统奈奎斯特采样定理为基础的信号的采集、传输、存储和处理系统将面临严峻的挑战,模拟-信息转换器(analog-to-information convertor,AIC)将可能是这些挑战的有效解决途径。AIC是近年来国内外研究的热点,其以压缩感知原理为理论基础,突破传统的奈奎斯特采样定理的约束,以远低于奈奎斯特速率对信号进行采样,并确保能准确重构出原始信号,是稀疏信号的有效获取方法。以稀疏信号采集为主线,综述了近年来AIC设计与实现的研究进展,分析了不同方案在稀疏信号获取方面的优势与不足,描述了国内外的相关研究进展,并对未来AIC可能的发展方向进行了展望。

摘要：基于张量模型的参数估计是雷达信号处理的一个发展趋势,然而现有张量算法无法在估计精度和计算复杂度方面达到良好的折衷。为解决上述问题,提出一种三维压缩感知(Three-way compressive sensing,TWCS)的多输入多输出雷达角度估计算法。利用匹配滤波后的信号内部隐含的多维结构,将接收数据堆叠成一个三阶张量模型。为降低高维张量在存储和计算方面的复杂性,利用高阶奇异值分解对高维张量数据进行压缩。其次将压缩后的张量与三线性模型相联系,获取压缩的方向矩阵。利用目标角度在所处背景的稀疏性,设计两个过完备字典,采用优化的方法获取目标角度。由于利用了接收数据的多维结构,TWCS中参数估计的精度要优于传统的子空间算法。此外所提TWCS算法不需要额外配对计算,且能进一步获取目标的多普勒信息。最后,利用仿真实验验证TWCS算法的估计效果。

摘要：传统的合成孔径雷达（SAR）图像目标识别算法需要独立设计特征提取算法和分类器,限制了SAR快速拓展到实际应用中。基于卷积神经网络（CNNs）构建一种可直接从输入图像到输出类别的一体化SAR图像目标识别框架,并引入AdaDelta梯度下降优化算法来进行网络优化学习。同时,由于SAR图像获取困难、数量有限,无法保证CNNs网络的大数据量训练样本需求,因此设计了一种基于多样本扩充CNNs的SAR图像目标识别算法。实验证实设计的算法在MSTAR数据集上10类军事目标平均识别率可达97.28%,且对目标平移、旋转、相干斑噪声和目标遮挡具有较强的鲁棒性。